纯方位目标运动分析的无偏最小二乘估计算法研究

纯方位目标运动分析中的最小二乘估计算法往往存在有偏问题,而卡尔曼滤波算法或辅助变量法又存在滤波初值问题,选取不当容易发散.为此提出了一种新的无偏最小二乘估计算法,它通过将状态变量扩维,利用求解矩阵对最小特征值所对应的特征向量的方法,求取目标的运动参数.仿真表明,ULSE算法能够渐进地逼近方差下限CRLB,并且其滤波精度有所增加.     

基于ABP-EKF算法的锂电池SOC估计

电池荷电状态(state of charge,SOC)的准确估计是电动汽车合理实施电池管理的前提条件和重要依据.针对目前电动汽车对动力电池SOC估计精度的不断提高这一问题,利用联合估计法对锂电池SOC进行研究.基于Thevenin电池模型与修正的安时积分算法,推导出了锂电池的输出方程以及状态空间模型,通过采集实验过程中的相关数据并应用递推最小二乘法对电池模型参数作出辨识.分析了扩展卡尔曼滤波(EKF)算法以及自适应BP神经网络算法的原理,联合两种算法并在此基础上提出了自适应BP-EKF算法(ABP-EKF).运用所提出的算法对锂离子电池SOC进行联合估计,最后通过对比ABP-EKF与EKF两种算法估计锂电池SOC的数据,研究结果表明:所提出ABP-EKF算法相比于EKF算法在均值误差项与均方根误差项分别减少了3.9％和3.79％.     

工业时窗小波降噪调制连续线性动力学系统参数直接辨识

在时窗内对噪声干扰的信号进行小波降噪,对降噪数据调制积分得等价的代数方程,利用最小二乘算法,进行线性动力学系统参数的直接估计．针对受噪声污染的系统参数估计的有偏性,借助时窗降噪调制方法构造辅助变量,提出了降噪调制辅助变量递推算法,进行了系统参数的无偏估计．仿真实验和应用实例表明,该方法具有有效性和实用性,可为工业在线辨识获得可信的系统参数提供参考．     

坡度和整车质量识别及其在AMT换挡规律中的应用

针对带两挡AMT变速箱的纯电动客车在实际运行时因整车质量和道路坡度的变化导致最佳换挡点发生变化的问题,采用多遗忘因子递推最小二乘法对道路坡度和整车质量进行了在线辨识,将识别的道路坡度作为换挡控制参数,制定了以加速踏板开度、车速、车辆纵向加速度和道路坡度为控制参数的四参数换挡控制策略,采用Simulink和AVLCruise软件搭建了控制策略模型和整车模型,两软件联合仿真对平路空载得到的三参数动力性换挡规律和新制定的四参数换挡策略进行了仿真计算,结果表明:多遗忘因子递推最小二乘法能准确识别道路坡度,与平路空载得到的三参数动力性换挡规律相比,新制定的四参数换挡策略能够适应道路坡度的变化。     

基于Hartley调制函数的线性连续系统参数模型辨识

借助于Hartley变换及Hartley调制函数微分性质,建立了参数模型直接估计的最小二乘算法.通过数字仿真分别辨识了一个二阶系统和四阶系统,研究了频率指数m和调制函数阶次n对辨识精度的影响.辨识结果表明:该方法简单实用,对噪声具有较强的抑制能力.     

基于模糊扩展卡尔曼滤波的轮毂电机驱动车辆纵向速度估计算法

为了获取轮毂电机驱动车辆的纵向速度,设计了基于轮速信号和车身加速度信号的扩展卡尔曼滤波的估计算法,建立了研究对象的离散状态方程和测量方程,并采取不同的扩展卡尔曼滤波器对测量信号进行滤波去噪处理和车辆纵向速度估算.通过模糊控制器,对车速估计滤波器的估算参数进行实时动态调节,实现了估计算法的自适应性.研究结果表明,在路面附着系数为1.00的良好路面上,估算得到的车速和动力学模型输出的实际车速误差小于2%;在路面附着系数为0.25的路面上,最大估算误差小于10%.      

基于改进卡尔曼滤波锂离子电池SOC估计

为了估算锂离子电池的剩余电量，考虑估计过程中的噪声影响，采用卡尔曼滤波方式进行电池的荷电状态估计研究。以戴维南等效电路模型为基础进行了电池参数的辨识，利用Simulink建立基于卡尔曼滤波的电池荷电状态估计模型。分析了电池在不同的放电电流的工况下，测量误差对电池荷电状态估计的影响，提出了改进卡尔曼滤波算法。仿真结果表明：与拓展卡尔曼滤波算法相比，改进卡尔曼滤波算法精度更高。     

非高斯AR序列参数的加权最小二乘估计

加权最小二乘估计是一种兼具精度与速度的非高斯自回归序列参数估计的优秀算法.使用混合高斯自回归模型描述估计问题之后,又从最大似然估计非线性方程组出发导出了与之近似的加权最小二乘估计线性方程组,并分析了加权函数的性质,给出了具体的两步实现算法.探讨了加权函数获得与激励方差估计2个细节问题,给出了一组实例.     

随机状态模型参数辨识的多步算法

基于解耦辨识和多步计算思想,本文提出了一种状态空间模型参数辨识的多步算法.计算法包括二步加权最小二乘法、一步输出信息序列的修正和一步自适应 Kalman滤波过程,具有全局收敛且对待辨识参数初始估值设置不敏感等特点.仿真结果表明,在受控系统承受测量噪声和过程噪声的情况下,该算法对线性状态空间模型的参数辨识是十分有效的.     

扩展卡尔曼滤波法在12相发电机定子参数辨识中的应用

利用新型电源12相发电机精确的数学模型,得到其离散状态空间方程,在此基础上,应用扩展卡尔曼滤波算法首次实现了其定子参数辨识.利用PSCAD和MATLAB软件分别实现了电机的仿真与辨识;辨识程序分无噪声和有噪声2种情况,且2种情况辨识结果误差均控制在9%以内,证明了此方法的有效性.     

基于EKF的自动泊车系统位姿估计算法设计

利用车辆2个后轮轮速信号和方向盘转角信号,基于扩展卡尔曼滤波技术设计一种车辆位姿估计算法,并在veDYNA中仿真试验。仿真结果表明,算法的估计精度比较理想,可满足泊车系统对自身车辆定位的需求。以定位精度2 cm（1σ）的GPS信号为参考,实车试验结果表明,位置估计误差控制在3%以内,此精度的估计结果可以为泊车系统提供车辆定位信息,为增强泊车安全性奠定基础。     

��������С���任��GPS��̬�˲����㷨

针对应用卡尔曼滤波器进行车辆GPS导航信号的动态滤波时难以建立精确的数学模型以及传统小波变换在实时性方面存在不足,提出了基于提升小波变换的GPS动态滤波新算法.该算法采用提升小波变换对车辆GPS导航信号进行分解;用3σ准则和多项式插值方法对各层提升小波变换系数进行粗差探测与数据修复;采用模平方软阈值去噪算法对各层提升小波变换系数进行去噪;最后进行提升小波逆变换,从而实现车辆GPS导航信号的动态滤波。仿真实验结果表明,该算法的导航定位精度优于卡尔曼滤波算法;虽然在导航定位精度方面稍比传统小波变换算法的性能高,但比传统小波变换算法速度快一倍;显然该算法对车辆GPS导航系统是有效的.     

Constrained submap algorithm for simultaneous localization and mapping

When solving the problem of simultaneous localization and mapping (SLAM), a standard extended Kalman filter (EKF) is subject to linearization errors and causes optimistic estimation. This paper proposes a submap algorithm, which builds a weighted least squares (WLS) constraint between two adjacent submaps according to the different estimations of the common features and the relationship between the vehicle poses in the corresponding submaps. By establishing the constraint equation after loop closing, re-linearization is implemented and each submap’s reference frame tends to its equilibrium position quickly. Experimental results demonstrate that the algorithm could get a globally consistent map and linearization errors are limited in local regions.     

基于UKF算法的车辆质心侧偏角估计

将无味卡尔曼滤波(UKF)算法运用到车辆质心侧偏角的估计之中,基于纵滑—侧偏联合工况下的统一指数(Uni-tire)轮胎模型建立非线性车辆动力学模型,采用最小偏度单形采样的UKF算法估计车辆的几个关键状态参量,并由此得到质心侧偏角估计。最后采用奇瑞A3两厢型汽车的车辆参数,使用车辆动力学实时仿真软件DYNAware/veDYNA对观测器进行了实时验证。仿真结果表明,UKF非线性估计方法精度高,估计结果能够满足实际应用要求。     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

基于分块EnKF的非线性目标跟踪算法

针对滤波航迹的相关性以及初始状态的选择会对跟踪性能产生影响的问题,将集合卡尔曼滤波算法引入到非线性目标跟踪领域,验证了其可行性和有效性,提出了基于分块集合卡尔曼滤波的非线性目标跟踪算法.采用分块思想生成初始集合,使用协方差矩阵加权方法解决分块间的航迹相关问题.仿真结果表明基于分块集合卡尔曼滤波的目标跟踪算法计算复杂度和以往的集合卡尔曼滤波算法同阶的情况下可以提供更高的运动参数估计精度,解决了粒子滤波算法计算量大难以进行实时跟踪的问题.      

基于奇异值分解的灰色模型参数估计

提出了一种新的基于奇异值分解的GM(1,1),GM(1,N)等灰色模型参数估计方法,该方法在进行奇异值分解时,借助2个辅助矩阵将奇异值分解矩阵分解为多个矩阵之积.研究了该估计方法下对原始序列进行数乘变换后参数的变化特征.研究表明该方法充分利用了奇异值分解的优点,回避了由于最小二乘法给灰色模型带来病态性的缺点,提高了模型的稳定性,同时还减少了计算量.